Veel ondernemers zien een AI automatisering als een aankoop. Je laat iets bouwen, het draait, en daarmee is het klaar. Zo werkt het meestal niet. Een goede oplossing is een procesverandering die jaren meegaat, en dat brengt vragen met zich mee die in de meeste verkoopgesprekken niet langskomen. Hoe lang gaat het mee? Wat als je groeit? En wat moet je daarna nog zelf doen?

Precies die vragen komen boven zodra je AI als investering bekijkt in plaats van als gadget. Hieronder lopen we ze één voor één langs.

Hoe lang gaat een AI automatisering mee?

Dat hangt af van de use case. Sommige oplossingen draaien jaren door zonder dat je er serieus naar hoeft te kijken. Andere worden ingehaald door hoe snel AI zich ontwikkelt, denk aan de opkomst van agents die kort geleden nog niet bestonden.

De rode draad is simpel. Zolang het proces dat je hebt geautomatiseerd hetzelfde blijft, blijft de oplossing werken. Een systeem dat facturen controleert op een vast aantal velden, blijft dat gewoon doen. Zolang iedereen de rekening betaalt, draait zoiets jarenlang door.

Het signaal dat het tijd is voor een nieuwe ronde is dus niet de leeftijd van het systeem. Het is het moment waarop het onderliggende proces verandert. Verandert de manier waarop jouw bedrijf werkt, dan is het proces dat je ooit automatiseerde niet meer hetzelfde proces. Dan loop je achter de feiten aan en ga je de gaten weer handmatig vullen. Precies wat je met de automatisering wilde voorkomen.

Je bedrijf groeit. Schaalt je AI automatisering mee?

Hier zit een hardnekkig misverstand. Veel ondernemers denken dat honderd extra werknemers automatisch betekent dat hun AI op de schop moet. Dat klopt meestal niet. Groei op zich is zelden het probleem. Een goed gebouwde oplossing is gemaakt voor een bepaalde bedrijfsstructuur en kan binnen die structuur meegroeien.

Leg daarom voor elke oplossing vast wie het systeem gebruikt en hoe dat gebruik naar verwachting groeit. Zo bouw je niet te strak. Bij een koppeling tussen twee systemen is schalen vrijwel nooit een probleem. Bij een oplossing met veel gebruikers moet je wel rekening houden met servercapaciteit en met de tokenkosten die het AI-gebruik met zich meebrengt.

De vraag is dus niet hoe hard je groeit, maar of je processen veranderen door die groei. Blijven ze gelijk, dan hoeft er aan de oplossing niets te gebeuren. Veranderen ze, dan moet de oplossing mee.

Check of je automatisering nog volledig draait

Een procesverandering betekent niet dat je je automatisering meteen moet aanpassen. Het is wel het moment om te kijken of ze nog volledig automatisch draait. Verschuift het werk eronder, dan vullen mensen de gaten soms weer met handmatige stappen. Draait een deel niet meer vanzelf, dan lever je het voordeel van de automatisering langzaam in. Loopt alles nog automatisch door, dan hoef je niets te doen.

Is er na de livegang nog onderhoud nodig?

Ja, maar minder dan je denkt, en op voorspelbare plekken. Twee dingen vragen het vaakst aandacht.

Het eerste is beveiliging. Bouw je iets op een framework zoals React of Vue, dan raakt dat framework over tijd verouderd. Er duiken nieuwe kwetsbaarheden op, het bedrijf erachter dicht ze met updates, en op een gegeven moment stopt de ondersteuning voor oude versies. Update je dan niet mee, dan werk je met software met bekende lekken. Het loont om de changelog van je framework bij te houden, zodat je weet wanneer er actie nodig is.

Het tweede zijn de koppelingen met externe platformen. Veel AI-oplossingen leunen op externe tools. Updaten die hun API, dan moet je systeem meebewegen. Dat gebeurt niet elke maand, maar je houdt het wel in de gaten.

Wat je zelf kunt doen, hangt af van hoeveel affiniteit je in huis hebt. Changelogs bijhouden en feedback geven gaat prima zelf. Voor het technische onderhoud kies je: een interne partij die het oppakt, of een externe bouwer die meekijkt. Bij kant-en-klare software van derden zit het onderhoud meestal al bij de leverancier. Bij maatwerk bepaal je zelf of je het intern oppakt of laat onderhouden. Sommige bedrijven nemen een vast aantal uren per maand af voor vragen en hulp bij problemen.

Wat kost het onderhoud?

Veel ondernemers verwachten een flinke maandelijkse rekening. Duizend, tweeduizend euro per maand om alles draaiend te houden. Voor de meeste oplossingen is dat niet de realiteit.

Bij objectieve processen is er na oplevering bijna geen doorlopend werk. Denk aan een systeem dat inkomende facturen controleert op een paar vaste velden, zoals het bedrag, het factuurnummer en het rekeningnummer. Zoiets staat, en het draait. Bij subjectievere processen ligt het anders. Een transcriptie die vaktermen en specifieke context moet leren herkennen, vraagt om een feedbackloop. Dat is vooral werk dat je er zelf in steekt, geen grote factuur.

De kosten die er wel zijn, zitten op een paar duidelijke plekken. Licenties voor software van derden lopen door. Bij oplossingen met veel gebruikers betaal je voor servercapaciteit en tokens. En als je processen veranderen, kost het bijtrainen of aanpassen van het model tijd. Doorontwikkeling en optimalisatie zijn optioneel, soms aan te raden, maar geen vaste maandlast. Het meeste onderhoud is laagdrempelig.

Begin bij het fundament

Voordat je nadenkt over wat een AI automatisering op termijn kost, is er een belangrijkere vraag. Staat je basis stevig genoeg? Bouw nooit op een rommelig fundament. Staat je data verspreid over losse systemen en weet niemand welke lijst de actuele is, dan heeft een AI-laag weinig zin. AI werkt zo goed als de data die je erin stopt.

Kijk daarom eerst naar wat er staat, voordat je iets automatiseert. Klopt het fundament, dan gaat een goede oplossing jaren mee tegen kosten die meevallen. Klopt het niet, dan bouw je iets slims op drijfzand.

Wil je weten waar jouw bedrijf staat? De AI-scan van Best Byte brengt in kaart welke processen rijp zijn voor automatisering, waar al bruikbare data ligt en wat de eerste stap realistisch oplevert. Zonder verkoopgesprek, zonder verplichting.